针对地面多径环境下运动目标检测,使用最小绝对收缩与选择算子(LASSO)算法在参数估计时会出现伪目标的问题,提出一种基于LASSO模型框架的设计矩阵降维构造方法。首先,信号的多径传播能够带来目标检测的空间分集,信号在不同的多径上有不...针对地面多径环境下运动目标检测,使用最小绝对收缩与选择算子(LASSO)算法在参数估计时会出现伪目标的问题,提出一种基于LASSO模型框架的设计矩阵降维构造方法。首先,信号的多径传播能够带来目标检测的空间分集,信号在不同的多径上有不同的多普勒频移;此外,使用宽带正交频分复用(OFDM)信号能够带来频率分集。由于空间分集和频率分集的引入造成目标的稀疏特性。利用多径的稀疏性和对环境的先验知识,去估计稀疏向量。仿真结果表明,在一定信噪比(SNR,-5 d B)下,基于设计矩阵降维构造方法的改进的LASSO算法比基追踪算法(BP)、DS(Dantzig Selector)、LASSO等传统算法的检测性能有明显提高;在一定虚警率(0.1)条件下,改进的LASSO算法比原LASSO算法检测概率提高了30%。所提算法能够有效去除伪目标,提高雷达目标检测概率。展开更多
快速求解系统负荷能力极限是在线评估电力系统电压稳定性的基本要求。提出一种用于离线拟合并在线预测负荷能力极限的SIPSS-Lasso-BP网络。该网络由基于电网状态相似度指标(similarity index of power system state,SIPSS)的样本筛选方...快速求解系统负荷能力极限是在线评估电力系统电压稳定性的基本要求。提出一种用于离线拟合并在线预测负荷能力极限的SIPSS-Lasso-BP网络。该网络由基于电网状态相似度指标(similarity index of power system state,SIPSS)的样本筛选方法、最小绝对值收缩选择(least absolute shrinkage and select operator,Lasso)方法和BP(back propagation)神经网络共同组成。基于SIPSS的样本筛选方法以样本负荷能力极限值和电网状态相似度量化指标为依据,对训练样本进行筛选。Lasso方法对训练样本进行回归分析,确定各状态量中对负荷能力极限最具有解释性的系统状态量。BP神经网络通过精简后的训练样本来离线拟合负荷能力极限并用于在线预测。通过新英格兰39节点算例和某省实际算例对SIPSS-Lasso-BP网络的测试结果表明,该方法能够在保证预测精度的情况下明显提高BP神经网络的离线训练效率。展开更多
【目的】基于代谢组学构建食管鳞状细胞癌(esophageal squamous cell carcinoma,ESCC)早期风险预警模型,精准识别高风险人群。【方法】纳入84例低级别上皮内瘤变患者,采集基线期血清,根据随访期间是否进展为高级别上皮内瘤变或ESCC分为...【目的】基于代谢组学构建食管鳞状细胞癌(esophageal squamous cell carcinoma,ESCC)早期风险预警模型,精准识别高风险人群。【方法】纳入84例低级别上皮内瘤变患者,采集基线期血清,根据随访期间是否进展为高级别上皮内瘤变或ESCC分为进展组(N=28)和无进展组(N=56)。采用反相液相色谱和亲水相互作用液相色谱联合高分辨质谱开展非靶向代谢组学分析。结合单变量与多变量分析评估组间代谢特征差异,对差异代谢物进行通路富集分析。将样本按7∶3比例分为训练集与测试集,在训练集中采用单变量逻辑回归联合最小绝对收缩与选择算子回归筛选与病程进展相关的关键代谢物,基于回归系数构建风险预警模型。通过受试者工作特征曲线和曲线下面积(area under the curve,AUC)评估模型性能。【结果】共鉴定10类1431种代谢物,差异代谢物在类固醇激素生物合成、初级胆汁酸合成及亚油酸代谢通路显著富集。最终筛选出18个与病程进展密切相关的关键代谢物,包括甘油-3-磷脂胆碱、棕榈酸、黄尿酸及N-脒基天冬氨酸等。风险预警模型在测试集中表现出良好的预测能力(AUC=0.812)。【结论】基于前瞻性随访队列,识别出多个关键代谢物及代谢通路,构建ESCC早期进展风险的代谢物预警模型。模型具有良好的预测鲁棒性和泛化能力,可为ESCC高风险人群的早期风险评估与干预策略优化提供理论支持。展开更多
目的构建腕关节三角纤维软骨复合体(triangular fibrocartilage complex,TFCC)的MRI影像组学模型,评价其对TFCC损伤的诊断效能。材料与方法回顾性分析2019年1月至2021年12月于吉林大学中日联谊医院放射线科行腕关节磁共振检查的100例患...目的构建腕关节三角纤维软骨复合体(triangular fibrocartilage complex,TFCC)的MRI影像组学模型,评价其对TFCC损伤的诊断效能。材料与方法回顾性分析2019年1月至2021年12月于吉林大学中日联谊医院放射线科行腕关节磁共振检查的100例患者病例(损伤及非损伤各50例),所有患者均行高分辨率3.0 T磁共振扫描,选取T2WI冠状位序列,手动勾画图像中的TFCC区域,提取影像特征,采用曼-惠特尼U检验(Mann-Whitney U test)及最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)算法进行数据降维、特征筛选,将所筛选出的相关性最强的影像特征采用支持向量机(support vector machine,SVM)的建模方法建立分类模型,采用受试者工作特征(receiver operating characteristic,ROC)曲线的曲线下面积(area under the curve,AUC)、精确度、敏感度和特异度评价模型的诊断效能。结果从T2WI冠状位序列中提取到88个初始特征,用曼-惠特尼U检验和LASSO算法筛选出12个相关性特征,基于上述相关特征在SVM分类器中构建的模型AUC值为0.88,精确度、敏感度和特异度分别为90%、92%、100%,具有较好的诊断效能。结论基于MRI的影像组学特征可以提供一个识别腕关节TFCC损伤的无创性工具,提高TFCC损伤的检出率。展开更多
文摘针对地面多径环境下运动目标检测,使用最小绝对收缩与选择算子(LASSO)算法在参数估计时会出现伪目标的问题,提出一种基于LASSO模型框架的设计矩阵降维构造方法。首先,信号的多径传播能够带来目标检测的空间分集,信号在不同的多径上有不同的多普勒频移;此外,使用宽带正交频分复用(OFDM)信号能够带来频率分集。由于空间分集和频率分集的引入造成目标的稀疏特性。利用多径的稀疏性和对环境的先验知识,去估计稀疏向量。仿真结果表明,在一定信噪比(SNR,-5 d B)下,基于设计矩阵降维构造方法的改进的LASSO算法比基追踪算法(BP)、DS(Dantzig Selector)、LASSO等传统算法的检测性能有明显提高;在一定虚警率(0.1)条件下,改进的LASSO算法比原LASSO算法检测概率提高了30%。所提算法能够有效去除伪目标,提高雷达目标检测概率。
文摘快速求解系统负荷能力极限是在线评估电力系统电压稳定性的基本要求。提出一种用于离线拟合并在线预测负荷能力极限的SIPSS-Lasso-BP网络。该网络由基于电网状态相似度指标(similarity index of power system state,SIPSS)的样本筛选方法、最小绝对值收缩选择(least absolute shrinkage and select operator,Lasso)方法和BP(back propagation)神经网络共同组成。基于SIPSS的样本筛选方法以样本负荷能力极限值和电网状态相似度量化指标为依据,对训练样本进行筛选。Lasso方法对训练样本进行回归分析,确定各状态量中对负荷能力极限最具有解释性的系统状态量。BP神经网络通过精简后的训练样本来离线拟合负荷能力极限并用于在线预测。通过新英格兰39节点算例和某省实际算例对SIPSS-Lasso-BP网络的测试结果表明,该方法能够在保证预测精度的情况下明显提高BP神经网络的离线训练效率。
文摘【目的】基于代谢组学构建食管鳞状细胞癌(esophageal squamous cell carcinoma,ESCC)早期风险预警模型,精准识别高风险人群。【方法】纳入84例低级别上皮内瘤变患者,采集基线期血清,根据随访期间是否进展为高级别上皮内瘤变或ESCC分为进展组(N=28)和无进展组(N=56)。采用反相液相色谱和亲水相互作用液相色谱联合高分辨质谱开展非靶向代谢组学分析。结合单变量与多变量分析评估组间代谢特征差异,对差异代谢物进行通路富集分析。将样本按7∶3比例分为训练集与测试集,在训练集中采用单变量逻辑回归联合最小绝对收缩与选择算子回归筛选与病程进展相关的关键代谢物,基于回归系数构建风险预警模型。通过受试者工作特征曲线和曲线下面积(area under the curve,AUC)评估模型性能。【结果】共鉴定10类1431种代谢物,差异代谢物在类固醇激素生物合成、初级胆汁酸合成及亚油酸代谢通路显著富集。最终筛选出18个与病程进展密切相关的关键代谢物,包括甘油-3-磷脂胆碱、棕榈酸、黄尿酸及N-脒基天冬氨酸等。风险预警模型在测试集中表现出良好的预测能力(AUC=0.812)。【结论】基于前瞻性随访队列,识别出多个关键代谢物及代谢通路,构建ESCC早期进展风险的代谢物预警模型。模型具有良好的预测鲁棒性和泛化能力,可为ESCC高风险人群的早期风险评估与干预策略优化提供理论支持。
文摘目的构建腕关节三角纤维软骨复合体(triangular fibrocartilage complex,TFCC)的MRI影像组学模型,评价其对TFCC损伤的诊断效能。材料与方法回顾性分析2019年1月至2021年12月于吉林大学中日联谊医院放射线科行腕关节磁共振检查的100例患者病例(损伤及非损伤各50例),所有患者均行高分辨率3.0 T磁共振扫描,选取T2WI冠状位序列,手动勾画图像中的TFCC区域,提取影像特征,采用曼-惠特尼U检验(Mann-Whitney U test)及最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)算法进行数据降维、特征筛选,将所筛选出的相关性最强的影像特征采用支持向量机(support vector machine,SVM)的建模方法建立分类模型,采用受试者工作特征(receiver operating characteristic,ROC)曲线的曲线下面积(area under the curve,AUC)、精确度、敏感度和特异度评价模型的诊断效能。结果从T2WI冠状位序列中提取到88个初始特征,用曼-惠特尼U检验和LASSO算法筛选出12个相关性特征,基于上述相关特征在SVM分类器中构建的模型AUC值为0.88,精确度、敏感度和特异度分别为90%、92%、100%,具有较好的诊断效能。结论基于MRI的影像组学特征可以提供一个识别腕关节TFCC损伤的无创性工具,提高TFCC损伤的检出率。
